Day 6_学习R包- CG

原创

Crazy_George

修改于 2024-03-29 13:25:38

1420

修改于 2024-03-29 13:25:38

文章被收录于专栏：一周生信入门

R包是多个函数的集合，具有详细的说明和示例，help(R包)

1. R包安装和加载

1.1 镜像设置

运行代码:

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源

1.2 R包安装命令

安装的包安装在CRAN:使用代码install.packages("包")
安装的包在bioconductor：使用代码BiocManager::install("包")

1.3 dplyr包安装和加载

install.packages("dplyr")#镜像设置后使用代码
library(dplyr)#使用require()命令也可加载包

2. dplyr基础函数

示例数据：内置数据iris简化版

test <- iris[c(1:2,51:52,101:102),]

2.1 新增列，mutate()

mutate(test, new = Sepal.Length*Sepal.Width)#在变量test的数据框新增列，列名是new，数值是Sepal.Length列的值和Sepal.Width列的值相乘。

问题和思考

在我练习select()时，想选择刚新增的列，发现报错。然后发现运行mutate(test, new = Sepal.Length*Sepal.Width)后，查看test后发现test本身没有变。

因此我想新增列只是一个操作，不会使变量test本身多一列，若想要对test数据框真实多一列，需重新对test进行赋值，具体如下：

test <- mutate(test, new = Sepal.Length*Sepal.Width),然后查看变量test，test多了名为new的列。

2.2 按列筛选select()

2.2.1 按列号筛选

select(test,6)#按列号筛选
  #    new
#1   17.85
#2   14.70
#51  22.40
#52  20.48
#101 20.79
#102 15.66
select(test,c(1,4))#按向量包含的列号筛选
#    Sepal.Length Petal.Width
#1            5.1         0.2
#2            4.9         0.2
#51           7.0         1.4
#52           6.4         1.5
#101          6.3         2.5
#102          5.8         1.9
 select(test,Species)#按列名筛选
 #      Species
#1       setosa
#2       setosa
#51  versicolor
#52  versicolor
#101  virginica
#102  virginica

2.2.2 按列名筛选

select(test,Sepal.Length,Sepal.Width)
#    Sepal.Length Sepal.Width
#1            5.1         3.5
#2            4.9         3.0
#51           7.0         3.2
#52           6.4         3.2
#101          6.3         3.3
#102          5.8         2.7

vars <- c("Petal.Length","Petal.Width")#赋值
vars#变量
select(test,one_of(vars))
select(test,vars)
select(test,c("Petal.Length","Petal.Width"))

2.3 筛选行filter()

filter(test,Species == "setosa")
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   new
#1          5.1         3.5          1.4         0.2  setosa 17.85
#2          4.9         3.0          1.4         0.2  setosa 14.70
filter(test,Species == "setosa"&Sepal.Length > 5)
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   new
#1          5.1         3.5          1.4         0.2  setosa 17.85
filter(test,Species %in% c(c("setosa","virginica")))
#  Sepal.Length Sepal.Width Petal.Length Petal.Width   Species   new
#1          5.1         3.5          1.4         0.2    setosa 17.85
#2          4.9         3.0          1.4         0.2    setosa 14.70
#3          6.3         3.3          6.0         2.5 virginica 20.79
#4          5.8         2.7          5.1         1.9 virginica 15.66

##2.4 按某一列或某几列对整个表格进行排序

arrange(test,Sepal.Width)#默认从小到大排序
#  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
#1          5.8         2.7          5.1         1.9  virginica 15.66
#2          4.9         3.0          1.4         0.2     setosa 14.70
#3          7.0         3.2          4.7         1.4 versicolor 22.40
#4          6.4         3.2          4.5         1.5 versicolor 20.48
#5          6.3         3.3          6.0         2.5  virginica 20.79
#6          5.1         3.5          1.4         0.2     setosa 17.85
arrange(test,desc(Sepal.Width))#从大到小需要用到desc
# Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
#1          5.1         3.5          1.4         0.2     setosa 17.85
#2          6.3         3.3          6.0         2.5  virginica 20.79
#3          7.0         3.2          4.7         1.4 versicolor 22.40
#4          6.4         3.2          4.5         1.5 versicolor 20.48
#5          4.9         3.0          1.4         0.2     setosa 14.70
#6          5.8         2.7          5.1         1.9  virginica 15.66

2.5 汇总summarise()

对数据进行汇总操作，结合group_by体验强实用性

summarise(test,mean(Sepal.Width),sd(Petal.Width))
##  mean(Sepal.Width) sd(Petal.Width)
##1              3.15       0.9239408
group_by(test,Species)
# A tibble: 6 × 6
# Groups:   Species [3]
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species      new
#         <dbl>       <dbl>        <dbl>       <dbl> <fct>      <dbl>
#1          5.1         3.5          1.4         0.2 setosa      17.8
#2          4.9         3            1.4         0.2 setosa      14.7
#3          7           3.2          4.7         1.4 versicolor  22.4
#4          6.4         3.2          4.5         1.5 versicolor  20.5
#5          6.3         3.3          6           2.5 virginica   20.8
#6          5.8         2.7          5.1         1.9 virginica   15.7
 summarise(group_by(test,Species),mean(Sepal.Width),sd(Petal.Width))
# A tibble: 3 × 3
#  Species    `mean(Sepal.Width)` `sd(Petal.Width)`
#  <fct>                    <dbl>             <dbl>
#1 setosa                    3.25            0     
#2 versicolor                3.2             0.0707
#3 virginica                 3               0.424

3. dplyr的两个实用技能

3.1 管道操作%>% (cmd/ctl + shift +M)

理解如下命令，以后多练习

test %>% 
+   group_by(Species) %>% 
+   summarise(mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 × 3
#  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
#  <fct>                     <dbl>              <dbl>
#1 setosa                     5                 0.141
#2 versicolor                 6.7               0.424
#3 virginica                  6.05              0.354

3.2 统计某列的unique值count()

count()
count(test,Species)#统计变量test的Species列中每个元素出现次数(unique)
#Species n
#1     setosa 2
#2 versicolor 2
#3  virginica 2

4. dplyr处理关系数据(将两个数据框连接）

4.1 inner_join(内连，取交集)

test1 <- data.frame(x = c("a","b","c","d"),z = c("1","2","3","4"))
 test2 <- data.frame(x = c("a","c","d","x","y","z"),y = c("A","B","C","D","E","F"))
 test1
#  x z
#1 a 1
#2 b 2
#3 c 3
#4 d 4
 test2
#  x y
#1 a A
#2 c B
#3 d C
#4 x D
#5 y E
#6 z F
 inner_join(test1,test2,by = "x")#提取出对变量test1、test2中列名相同的列中相同的元素的行，合并到一个数据框（test1在左，test2在右）。
#  x z y
#1 a 1 A
#2 c 3 B
#3 d 4 C

4.2 left_join,左连

> left_join(test1,test2,by = "x")#test1在左，test2取x列中和test1中x列有交集的置于test1右侧，无交集的现实<NA>
#  x z    y
#1 a 1    A
#2 b 2 <NA>
#3 c 3    B
#4 d 4    C
> left_join(test2,test1,by = "x")#test2在左，test1取x列中和test1中x列有交集的置于test2右侧，无交集的现实<NA>
#  x y    z
#1 a A    1
#2 c B    3
#3 d C    4
#4 x D <NA>
#5 y E <NA>
#6 z F <NA>

4.3 full.join全连

> full_join(test1,test2,by = "x")
#  x    z    y
#1 a    1    A
#2 b    2 <NA>
#3 c    3    B
#4 d    4    C
#5 x <NA>    D
#6 y <NA>    E
#7 z <NA>    F
> full_join(test2,test1,by = "x")#test1和test2前后互换一下看看区别
#  x    y    z
#1 a    A    1
#2 c    B    3
#3 d    C    4
#4 x    D <NA>
#5 y    E <NA>
#6 z    F <NA>
#7 b <NA>    2

4.4 semi_join: 半连接

> semi_join(x = test1,y = test2,by = "x")
#  x z
#1 a 1
#2 c 3
#3 d 4
> semi_join(x = test2,y = test1,by = "x")
#  x y
#1 a A
#2 c B
#3 d C

4.5 anti_join：返回无法和y表相匹配的x表所有记录

> anti_join(x = test1,y = test2,by = "x")
#  x z
#1 b 2
> anti_join(x = test2,y = test1,by = "x")
#  x y
#1 x D
#2 y E
#3 z F

4.6 简单合并

bind_rows():按照行合并两个数据框，两个数据框列数必须相同。
bind_cols():按照列合并两个数据框，两个数据框行数必须相同。
搞清base包的cbind()、rbind()和bind_rows()、bind_cols()的区别。

> test1 <- data.frame(x = c(11,12,13,14), y = c(11,22,33,44))
> test2 <- data.frame(x = c(33.33,66.66), y = c(88,99))
> test3 <- data.frame(x =c(22,23,24,25),y = c(55,66,77,88),z = c(99,100,111,122))
> test1
#   x  y
#1 11 11
#2 12 22
#3 13 33
#4 14 44
> test2
#      x  y
#1 33.33 88
#2 66.66 99
> test3
#   x  y   z
#1 22 55  99
#2 23 66 100
#3 24 77 111
#4 25 88 122
> bind_cols(test1,test3)
#New names:
#• `x` -> `x...1`
#• `y` -> `y...2`
#• `x` -> `x...3`
#• `y` -> `y...4`
#  x...1 y...2 x...3 y...4   z
#1    11    11    22    55  99
#2    12    22    23    66 100
#3    13    33    24    77 111
#4    14    44    25    88 122
> bind_rows(test1,test2)
#      x  y
#1 11.00 11
#2 12.00 22
#3 13.00 33
#4 14.00 44
#5 33.33 88
#6 66.66 99
> cbind(test1,test2)
#   x  y     x  y
#1 11 11 33.33 88
#2 12 22 66.66 99
#3 13 33 33.33 88
#4 14 44 66.66 99
> cbind(test1,test2,test3)
#   x  y     x  y  x  y   z
1# 11 11 33.33 88 22 55  99
#2 12 22 66.66 99 23 66 100
#3 13 33 33.33 88 24 77 111
#4 14 44 66.66 99 25 88 122

内容参考微信公众号 生信星球，自己实践总结。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

登录后参与评论

0 条评论

热度